OpenClaw助推Venice走红，隐私AI领域还有哪些潜力股？

原创 | Odaily星球日报（@OdailyChina）

作者 | 叮当（@XiaMiPP）

备受瞩目的OpenClaw近期为隐私AI站台背书，“币圈韭菜”似乎又找到了新的炒作热点。

在这样的背景下，与隐私计算和AI Agent基础设施相关的项目开始重回市场视野。Odaily星球日报梳理发现，在这一波讨论升温的过程中，已有多个项目成为潜在受益者。

VVV（#133）

Venice是一个主打无审查与隐私保护的AI生成平台，定位为去中心化版的ChatGPT。围绕隐私AI的炒作正是从Venice开始的。OpenClaw曾在官方文档中高亮推荐Venice，但仅24小时后便迅速移除。尽管如此，这一操作反而让更多人注意到Venice及其隐私优先的特点。

与其他AI项目不同，Venice的核心叙事并非AI模型能力，而是隐私本身。在主流AI平台不断强化内容审查、数据泄漏与模型训练争议持续积累的背景下，Venice“不记录、不审查”的产品定位精准击中了加密社区最敏感的价值观。

在AI Agent热潮迅速发酵的时代，Venice恰好踩中了这一“时代红利”。更为巧合的是，Venice项目方正在主动削减VVV代币供应，减少通胀。需求增加叠加供应缩减，进一步强化了VVV代币的正反馈预期。

阅读参考：《OpenClaw力挺Venice.ai，代币VVV一月暴涨超500%》

NEAR（#43）

Near Protocol，这个曾以高性能著称的老牌公链项目，在AI浪潮的冲击下也展开了积极自救。它不再只是追求TPS和低gas的“传统L1”，而是逐渐将叙事重心转向AI Agent时代的执行层与结算基础设施，试图在新一轮技术周期中找到新的增长点。

自2025年起，Near大力推进NEAR Intents（意图系统），这套系统让用户或AI代理只需表达“最终想要的结果”，后台会自动跨35+条链完成复杂操作，无需手动桥接、换钱包或管理路由。

2026年2月25日，NEAR正式将意图系统升级为Confidential Intents。这一版本在原有意图执行框架上引入了隐私计算能力，通过Near的隐私分片机制结合可信执行环境（TEE），使跨链交易在执行过程中能够隐藏关键细节，例如兑换路径、交易规模或具体策略。不过，它并非像Zcash或Monero那样对所有交易实施强制隐私，而是为意图执行增加了一层可选的隐私保护层。其主要目标并非匿名化交易，而是防止MEV、抢跑以及三明治攻击等链上套利行为，从而让交易在执行过程中更加安全。

未来，AI代理可能会成为区块链的主要“用户”，它们会自主拥有资产、跨链交易、执行策略，甚至互相协调。在这样的设想下，区块链不仅需要处理高频交易，还必须提供可验证执行、隐私计算以及跨链协调等能力。

Near当前的布局正是围绕这一想象展开。它试图构建一个既能支持AI代理自动执行复杂任务，又能保证过程可验证与安全的开放网络。在AI浪潮不断冲击的背景下，这种转型既可以被视为一次主动拥抱新叙事的尝试，也可以理解为一个老牌公链在新周期中的自我重塑。

SAHARA（#295）

Sahara AI的核心目标是构建一个去中心化、透明、安全的AI生态系统，让AI的开发、训练、部署和商业化过程更加公平和可信。项目致力于解决当前AI行业面临的数据隐私、算法偏见、模型所有权不清等问题。

随着AI Agent的兴起，一个新的问题浮出水面：这些Agent所使用的数据、模型和能力，究竟属于谁？在当前的AI产业结构中，这个问题并未被很好地解决。训练模型所需的数据往往来自大量分散的贡献者，但最终收益却高度集中在少数AI公司手中；模型开发者即便拥有技术能力，也往往只能依附于平台生态；而随着AI Agent开始自主调用模型、数据与工具，整个价值链条变得更加复杂。如果没有一套明确的确权与分润机制，未来的AI经济很可能仍然会重复Web2的路径，数据归用户所有，价值却被平台攫取。

Sahara AI正是试图在这一环节建立新的规则。其ClawGuard安全系统为AI代理提供可验证的安全护栏，确保AI代理在预设规则内安全运行，数据服务平台（DSP）则允许用户通过标注和贡献AI训练数据获得代币激励，逐步形成一个去中心化的数据市场。在这一机制下，数据贡献者不仅能够参与AI模型训练过程，还可以在数据被使用时获得持续收益，同时平台也通过链上机制确保数据质量与隐私保护。

PHA（#601）

Phala Network是一个基于Substrate构建的隐私智能合约平台，旨在为Web3应用提供可验证的隐私保护计算服务。要理解Phala为什么会受益于AI Agent热潮，首先需要回答一个更基础的问题：AI Agent的运行究竟依赖哪些基础设施？

如果把当前的Agent生态拆开，其技术栈大致可以分为几个层次。最上层是模型层，即各类大语言模型或推理模型，例如OpenAI、Claude以及一系列开源模型；其下是Agent框架层，包括LangChain、AutoGPT、OpenClaw等工具，它们负责组织任务、调度模型并调用外部工具；再往下是执行环境层，也就是Agent实际运行代码、调用API、执行自动化任务的地方；此外还存在支付与身份层，用于处理Agent之间的支付、身份和信誉系统；而在最底层，则是算力与隐私层，负责保证计算过程可信、数据安全不被泄露。

从这个结构来看，Phala所处的位置恰恰横跨了执行环境层与算力隐私层。其核心技术——基于TEE（可信执行环境）的机密计算网络，使得AI Agent可以在链下安全运行程序，同时保证计算过程可验证、数据不被外部窥探。这一点在Agent经济中尤为关键。

在具体生态落地方面，Phala也已经开始与AI Agent项目产生结合。例如，Phala与ai16z合作，为其Eliza多代理框架构建了TEE组件，将可信执行技术直接集成到Agent运行环境之中；与此同时，一些AI Agent发币项目（如aiPool）也采用了Phala的TEE技术来管理私钥与链上资产。

未来，随着AI Agent从“聊天工具”演化为能够持有资金、执行交易甚至运营协议的数字实体，安全执行环境将逐渐成为整个Agent生态不可或缺的基础设施层，而Phala正试图占据这一位置。

结语

在复盘这些项目时，一个有意思的发现是：这些代币真正开始上涨的时间，其实都早于这两天的推荐事件。也就是说，在Venice将“隐私AI”推到台前之前，市场中已经有一部分资金提前注意到了这一方向，只是当时缺少一个足够明确的叙事触发点。OpenClaw的推荐事件，只是一根点燃注意力的导火索。

事实上，无论是a16z还是Delphi Digital，他们在2025年的年度投研报告中都将隐私和AI列为2026年重点关注赛道。只不过，当这些宏观判断真正落到市场时，往往需要一个具体事件来触发共识。而在2026年初，隐私和AI就以这样结合体的方式走到了我们的面前。

至于这究竟会成为下一轮长期趋势，还是又一次短暂的主题炒作，恐怕仍需要时间给出答案。